如何为打印表单添加识别图案，实现Python自动纠偏缩放与ID识别？

架构老林

2026-5-28

最优方案推荐：结合QR码+辅助定位标记，搭配OpenCV+pyzbar实现需求

针对你的手写表单扫描后精准处理+ID识别需求，我整理了一套实用的方案，分标记设计和Python工具链两部分来说：

一、表单标记设计（优先选第一种）

方案1：对角放置带数字ID的QR码
直接在表单的左上角和右下角各生成一个包含数字ID的QR码（比如你用qrcode库生成的ID1138934）。这样做的好处是：
1. 两个QR码的坐标可以直接用来计算扫描图像的旋转角度和缩放比例，实现精准矫正；
2. 无需额外标记，直接从QR码中读取数字ID，一步到位。
  注意生成QR码时尽量选较大的尺寸（比如边长2cm以上），避免扫描后模糊无法识别。
方案2：QR码+hirondelles标记（备份方案）
如果担心扫描时QR码因褶皱/模糊识别失败，可以在表单的四个角落额外添加hirondelles标记——也就是1cm×1cm左右的实心黑色正方形（或十字交叉线）。这些标记轮廓清晰，OpenCV可以轻松通过轮廓检测定位，作为透视矫正的参考点，同时保留对角的QR码用来读取ID。

二、Python工具链与实现步骤

你需要用到以下几个库，覆盖PDF转图、图像矫正、QR码识别全流程：

1. 依赖安装

先安装所需包：

pip install opencv-python pyzbar pdf2image qrcode

2. 核心功能实现

（1）PDF转图像（如果是PDF格式的扫描件）

如果你的扫描件是PDF，先用pdf2image转成高清JPG：

from pdf2image import convert_from_path

# 把PDF转成300DPI的图像，取第一页（多页表单循环处理即可）
pages = convert_from_path("scanned_form.pdf", dpi=300)
pages[0].save("form_scan.jpg", "JPEG")

（2）识别QR码+提取ID+精准矫正图像

用pyzbar识别扫描图像中的QR码，同时结合OpenCV做透视矫正，实现旋转、缩放和区域定位：

import cv2
import numpy as np
from pyzbar.pyzbar import decode

# 加载扫描图像
img = cv2.imread("form_scan.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 识别所有QR码
qr_results = decode(gray)
if not qr_results:
    print("未检测到QR码，可尝试用hirondelles标记矫正")
else:
    # 提取数字ID（取第一个QR码的内容即可，两个QR码内容一致）
    form_id = qr_results[0].data.decode("utf-8")
    print(f"识别到表单ID：{form_id}")

    # 用两个QR码的角点做透视矫正（假设左上角和右下角各一个QR码）
    if len(qr_results) >= 2:
        # 获取每个QR码的四个角点（取左上角和右下角的点用于定位）
        qr1_pts = np.array(qr_results[0].polygon, dtype=np.float32)
        qr2_pts = np.array(qr_results[1].polygon, dtype=np.float32)
        # 整理原始坐标：左上、右上、左下、右下
        src_pts = np.float32([qr1_pts[0], qr1_pts[1], qr1_pts[3], qr2_pts[2]])
        # 定义目标尺寸（以A4为例，300DPI对应2480×3508像素）
        dst_pts = np.float32([[0, 0], [2480, 0], [0, 3508], [2480, 3508]])

        # 计算透视变换矩阵并矫正图像
        transform_matrix = cv2.getPerspectiveTransform(src_pts, dst_pts)
        corrected_img = cv2.warpPerspective(img, transform_matrix, (2480, 3508))

        # 裁剪特定区域（比如x=500, y=1000，宽400，高200的区域）
        roi = corrected_img[1000:1000+200, 500:500+400]
        cv2.imwrite("target_region.jpg", roi)

（3）备用：用hirondelles标记做矫正

如果QR码识别失败，用OpenCV检测角落的实心方块标记来矫正：

import cv2
import numpy as np

img = cv2.imread("form_scan.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化处理，突出黑色标记
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
# 寻找轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 筛选角落的hirondelles标记（根据实际尺寸调整面积范围）
markers = []
for cnt in contours:
    area = cv2.contourArea(cnt)
    x, y, w, h = cv2.boundingRect(cnt)
    # 筛选接近正方形、面积在合理范围的标记
    if 800 < area < 2500 and abs(w - h) < 15:
        markers.append((x + w//2, y + h//2))  # 取标记中心点

if len(markers) == 4:
    # 排序标记点：左上、右上、左下、右下
    markers.sort(key=lambda p: (p[1], p[0]))
    top_left, top_right = sorted(markers[:2], key=lambda p: p[0])
    bottom_left, bottom_right = sorted(markers[2:], key=lambda p: p[0])
    src_pts = np.float32([top_left, top_right, bottom_left, bottom_right])
    dst_pts = np.float32([[0, 0], [2480, 0], [0, 3508], [2480, 3508]])
    
    transform_matrix = cv2.getPerspectiveTransform(src_pts, dst_pts)
    corrected_img = cv2.warpPerspective(img, transform_matrix, (2480, 3508))
    # 后续处理同之前的裁剪逻辑

三、补充说明

关于QR码生成：你用qrcode库生成的方式没问题，生成后可以用PyPDF2或reportlab将QR码插入到PDF表单的指定位置（左上角和右下角）。
识别率优化：扫描时尽量保证光线充足，表单平整，避免倾斜过度，这样QR码和标记的识别率会更高。

内容的提问来源于stack exchange，提问作者Basj